从发现关键预测变量 TreeNet^® 回归

运行预测分析模块 > TreeNet® 回归 > 发现关键预测变量.在结果中选择选择备择模型。

注意

概述

当您使用发现关键预测变量删除最不重要的预测变量时，Minitab Statistical Software 会为模型生成具有分析准确度标准最佳值的结果，例如最大 R² 值。Minitab 允许您从可以识别最优模型的序列中探索其他模型。通常，如果另一个模型的标准值接近最佳，但预测变量较少，则选择备择模型。预测变量较少的模型更容易解释，具有更高的预测准确度，并且允许您处理较少数量的预测变量。

例如，以下模型选择表有 20 个步骤。具有最大 R² 值的模型有 5 个预测变量，并且发生在第 16 步。第 17 步的模型具有小于 0.1 的 R² 值。第 17 步的模型有 4 个预测变量。第 17 步模型的完整结果也很有趣。

通过排除不重要的预测变量选择模型

测试

模型	最优树数	R 平方 (%)	预测变量数	已排除的预测变量
1	300	89.32	21	无
2	300	89.34	19	塑料流速, 更改位置
3	300	89.39	18	干燥温度
4	300	89.46	17	熔融温度区2
5	300	89.51	16	塑料温度
6	300	89.50	15	公式
7	300	89.59	14	保持压力
8	300	89.57	13	螺丝垫
9	300	89.69	12	熔融温度区4
10	300	89.70	11	后压
11	300	89.86	10	熔融温度区1
12	300	89.90	9	干燥时间
13	300	89.92	8	测量温度
14	300	90.06	7	熔融温度区5
15	300	90.16	6	熔融温度区3
16*	300	90.23	5	螺丝旋转速度
17	300	89.96	4	注射温度
18	297	79.37	3	冷却温度
19	244	66.64	2	注射压力
20	164	46.19	1	机器

执行分析

在输出中单击选择备择模型。将打开一个对话框，其中显示标准与已排除的预测变量数之间的关系图，以及汇总各个步骤的表格。

比较标准

要选择备择模型，请单击图形上的一个点或表格中的一行。按显示结果，以创建该模型的结果。

显示结果后，您可以单击输出中的一个按钮来调整模型的超参数，或根据模型进行预测。有关更多信息，请转到选择要为使用 TreeNet® 回归的拟合模型和发现关键预测变量评估的超参数值或为使用 TreeNet® 回归的拟合模型和发现关键预测变量预测新结果。

提示

要比较两个不同分析或报表的输出，请右击导航器中的第二个项，然后选择在分割视图中打开。

从 发现关键预测变量 TreeNet® 回归

注意

概述

通过排除不重要的预测变量选择模型

执行分析

比较标准

提示

从发现关键预测变量 TreeNet^® 回归